面向LED芯片检测与分选的机器视觉定位系统的开发

LED芯片定位是进行芯片检测、划片、扩晶、固晶及判断芯片电气特性、芯片管脚是否达到要求,能否成功分选LED芯片质量的关键一环.针对这一问题,首先根据定位系统的结构原理,对LED芯片高精度定位系统进行了方案设计并构建出其硬件结构.其次分析研究了定位系统的视觉部分,并运用图像处理中的模板匹配算法,解决了LED芯片的精确识别与可靠定位.然后对定位系统的运动控制滑台部分进行设计,通过运动控制卡发脉冲操作驱动器控制直线伺服电机运动,并采用直线光栅检测技术进行位置反馈,从而实现滑台伺服系统X轴、Y轴、Z轴和θ角等方向上的精确定位.最后对定位系统的视觉软件、运动控制软件等部分进行设计,其中视觉软件采用VB6.0开发操作界面、图像处理软件Halcon10.0进行识别和定位,运动控制软件进行滑台的运动控制,从而获得LED芯片在晶圆上的精确位置.分别采用机器视觉、滑台伺服控制、光栅检测反馈和高精度图像模板匹配技术,研制出LED芯片高精度定位的自动化检测系统.实验测试结果表明,其图像定位精度误差小于1μm,滑台定位精度误差4μm,整体定位系统定位精度小于5μm,定位速度大于5粒/秒LED芯片.因此,该系统不但能够满足定位系统的科研需求,也能推广应用到生产中去,为芯片级高精度定位系统开辟了新的方法.     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法。介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件。实验结果表明该软件能对螺纹进行实时、高速的检测。     

基于机器视觉的指针式仪表检测

本文提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加SPP（空间池化金字塔,Spatial Pyramid Pooling）模块融合多重感受野,使用GIoU（Generalized Intersection over Union）损失函数代替原有的损失函数。此外,针对数据集的不同,采取k-means++聚类算法重新选择锚点框的尺寸。实验结果证明,在保证精度的前提下,相对于Faster R-CNN和原始的YOLO v3网络,速度分别提升了73.7%和45.8%。     

基于机器视觉的金刚线质量检测

针对电镀金刚线质量品控难度大、成本高等问题,首次研制了一种基于机器视觉的金刚线离线表面质量检测系统.文中介绍了金刚线质量检测系统的结构组成,对用于评价金刚线质量情况的常用性能指标的相关算法实现进行了详细描述,并以平铺图的方式在一定程度上不加以验证的还原了金刚线的三维表面形貌.最后,根据设计制作实物并进行测试,结果表明,出刃率计算精度达93.2%,出刃高度计算精度达92.9%,满足金刚线质量检测评价的要求,在提高检测效率的同时降低检测难度.     

基于机器视觉的芒果检测与分级研究

为了提高贵妃芒果检测与分级的准确率和效率,首先用标定好的工业相机对芒果进行拍照,然后使用HALCON对芒果图像进行灰度化和图像分割预处理,接着提取芒果面积、果形指数、成熟度、缺陷面积和缺陷个数5个特征参数并归一化,把它们分别作为GMM、MLP、SVM和KNN分类器的输入向量,并以芒果的4个等级作为分类器的输出向量,最后以每级120个训练样本,60个测试样本分别对4种分类器进行训练和测试。结果表明4种分类器的平均准确率依次为92.5%、93.75%、98.75%和98%,准确率较高,有一定的实际应用价值。     

基于机器视觉的金手指外观缺陷检测

针对人工检测金手指缺陷的局限性,提出用图像处理技术进行金手指缺陷的自动检测。首先对采集到的待检金手指图像进行预处理,然后对增强后的图像进行缺陷提取和几何特性分析,实验证明了该算法的有效性。     

基于机器视觉的硅片检测分类系统设计

等离子体增强化学气相沉积是太阳能硅片生产工艺流程中一道重要的工序。硅片经过该工序后的表面破损检测和减反膜颜色的检测主要通过人工完成,存在不稳定、高碎片率和低速率等问题,需要利用机器视觉技术,开发硅片视觉检测系统。文中根据具体的测试要求完成光学设备选型,利用“Visionpro”视觉开发软件设计硅片破损检测与颜色检测程序。实际使用结果表明,该系统破损测量的精度在0．2mm以内,图像颜色检测满足实际应用需求。     

基于机器视觉的小齿轮质量检测研究

研究机器视觉检测系统小模数齿轮质量检测中的应用,着重于研究机器视觉检测系统设计即系统设计中各部件选型技巧,应用了HALCON软件进行图像分析处理,通过软硬件合理搭配使检测系统达到速度和精度上的要求。     

基于机器视觉的晶圆表面缺陷检测

为降低晶圆缺陷对半导体制造的影响,设计一种基于机器视觉的晶圆表面缺陷在线自动检测技术。首先,针对晶圆中单个晶元可能出现缺角或者遮挡,设计一种基于轮廓匹配的晶元定位方法;其中选取轮廓完整的良品图,经过图像拉伸、中值滤波、边缘检测、形态学处理,得到外边缘轮廓和内部圆点轮廓,建立外边缘轮廓模板,搜索晶圆图像金字塔进行模板匹配。其次,针对晶元背景是有一定规律排列的几何图案,缺陷可能与背景几何图案相似的问题,利用仿射变换原理,设计一种几何图案轮廓仿射变换与分区域检测方法;在此基础上,裁剪几何图案内部区域和几何图案外部区域,分别进行阈值分割和形态学处理,提取缺陷。再次,将缺陷做并集,得到总的缺陷,并进行标记,完成缺陷检测。实验结果表明,所提检测算法能有效解决晶元缺角或严重遮挡无法匹配定位和缺陷与背景几何图案相似的问题,且能有效检测出各种缺陷,单个小晶元的检测速度约430 ms,算法效果好,检测速度快,符合工业要求。     

基于机器视觉的硬盘磁体检测系统设计

针对目前硬盘磁体人工检测速度慢、精度低等问题,采用了基于机器视觉的检测技术,设计了一套硬盘磁体检测系统。根据测试要求对工业相机、镜头、光源、图像采集卡等硬件进行了选型,对视觉图像处理、人机界面等软件进行了设计。最后通过实验验证,表明该系统可以满足实际检测应用要求。     

基于机器视觉的瓶装白酒杂质检测

介绍了一种基于机器视觉的瓶装白酒杂质检测方法.为了从复杂的视觉图像中提取出微小目标,设计了一种倒置翻转式的检测方式,通过高清数字摄像机获取瓶装酒液的视频序列,采用一种改进的二次差分方法,获取瓶装酒液内可能存在的运动目标.根据气泡和可见异物的形态特征进行分类,判断出酒液中是否含有杂质.实验验证了所提方法的有效性.     

基于机器视觉的电线电缆检测技术研究

本文列举了0.6/1kV挤包绝缘电力电缆的检验项目和检验方法,讨论了需要人眼参与识别的静态与动态的检验项目.针对绝缘和护套材料的断裂伸长率、热延伸和低温拉伸检验项目与机器视觉检测技术相结合进行了探究,提出将机器视觉检测技术应用到电线电缆检验中.对于运动过程中和非接触状态下的试样状态变化的捕捉,机器视觉检测技术具有优势.     

基于机器视觉的电子元器件检测系统设计

近年来,随着信息技术的不断发展,电子产品更新速度大幅提升,各类电子元器更具集成化和微型化特点,进一步增加了电子元器件检测难度。在传统检测工作执行上,主要以目标检测手段应用为主,所得到的图像分辨率较低,信息量明显不足。为此,人们引进了基于机器视觉的电子元器件检测系统,对应的检测效率和质量大幅提升。该文以实际工作开展情况为基础,对基于机器视觉的电子元器件检测系统细节设计内容进行总结,论述了该检测系统的试验内容。     

基于机器视觉的玻璃磨边缺陷检测

玻璃边部的磨削质量的快速检测是保证玻璃品质的重要措施,本文对现有的玻璃磨边缺陷进行了分类与成因分析,选用了一套合理的玻璃磨边缺陷检测光源,设计了一套基于机器视觉的玻璃边部缺陷检测装置,提出一种结合了快速傅立叶变换、高斯滤波、亚像素边缘阈值分割、数学形态学运算、频域处理和最小二乘法的检测方法,实验证明所提出的检测方法能够快速有效地检测出亮斑、白线和爆边3种缺陷.     

基于机器视觉的刀具磨损检测技术

针对当前国内外刀具磨损检测的缺点和存在的问题,设计了基于机器视觉的刀具磨损检测方案,分析了刀具磨损检测的原理和识别过程,并结合图像处理的方法,采用自适应中值滤波对刀具图像进行平滑去噪,进一步得到刀具的二值化图像,再采用Canny边缘检测技术提取刀具轮廓信息.最后提出基于人工神经网络的刀具磨损检测算法.     

基于机器视觉的电缆方位检测系统

为了提高线缆一线生产企业的工作效率以及生产流水线的自动化程度,研究了基于机器视觉的电缆方位检测系统。该系统通过机器视觉模块实时采集电缆图像,通过图像处理和机械臂旋转来检测和矫正电缆的方位,以达到目标位置。检测与矫正的精度,将影响后续电缆配件及插头的安装精度。通过试验及现场测试得出该系统具有良好的实际操作性能。     

基于机器视觉的太阳能电池缺陷检测实验设计

随着煤、石油等不可再生资源的过度消耗,人类面临着越来越严重的能源紧缺危机和环境问题。太阳能作为绿色、无污染的可再生能源受到日益广泛的关注与应用。太阳能电池是太阳能发电的关键,其质量的好坏直接影响了能量转换效率、使用寿命和器件稳定性。为了帮助学生理解太阳能电池制备工艺、缺陷、性能三者之间的关系,寻找改善太阳能电池性能的方法,该文设计了基于机器视觉的太阳能电池缺陷检测实验系统,介绍了电致发光缺陷检测方法、检测系统的构成及各模块之间的作用和相互联系。以单晶硅太阳能电池为例,对太阳能电池片的各种缺陷问题进行了检测研究,探讨了检测过程中的问题。实践表明,设计的实验系统加深了学生对太阳能电池相关理论知识的理解;培养了学生发现问题、解决问题的实践能力。     

一种基于机器视觉的自动标定贴屏实现方法

针对手机贴屏系统中存在显示屏和触摸屏对位不准确问题,提出了一种基于机器视觉的自标定贴屏的实现方法.利用两个固定的单目摄像头对两屏进行图像采集,对两个屏幕的图像信息分别经过小波变换、Hough直线检测等算法处理之后得到两个屏幕的两对贴合点的图像坐标,利用自标定等几何方法计算出贴合点的三维坐标,得到显示屏和触摸屏之间的位置关系.此贴屏算法实验得到的数据精度高,图像误差率限制在2%以内,三维误差率限制在0.02 cm以内,可为手机自动贴屏机的伺服控制机构提供准确的数据支持.     

LED大屏显示器的模块化设计

给出了一种模块化LED大屏显示器的硬件电路以及软件编程方法,同时讨论了LED显示屏常见的刷新频率不高、画面不稳和易闪烁等问题的解决方法.     

基于ANN集成的贴片安装机器视觉检测

在贴片安装产品机器视觉检测中,由于图像数据量大、变化复杂、样本分布和错误代价不平衡及检测实时性的要求,引脚的焊接缺陷检测难度最大. 从图像中选择和提取多个特征,分别用于各个结构简单的ANN检测分类器,再将多个ANN输出进行线性组合来得到最后的检测结果. 各ANN学习时,样本初始权重考虑样本的不平衡性,学习中再用提升算法来调整样本权重和集成系数;用遗传算法来学习确定ANN,用代权重的检测正确率和最小正确分隔边缘作为适应值函数,两类边缘与代价成正比. ANN集成后在精度提高的同时保持了良好的泛化性能. 实验结果表明:本方案准确率高、泛化性好、速度快.